- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
《数据科学导论》教学大纲
课程编号:121172B
课程类型:□通识教育必修课□通识教育选修课
?学科基础课□专业核心课
□专业提升课□专业拓展课
总学时:32讲课学时:32实验(上机)学时:0
学分:2
考试类型:□考试?考查
适用对象:数据科学与大数据技术专业
□是?否适合作为其他专业学生的个性化选修课
先修课程:概率论,计算机基础
一、教学目标
本课程是为数据科学与大数据技术专业本科生开设的学科基础课,是引领学生进入数据科学领域的先行课。通过本门课程的教学,使学生对数据科学产生浓厚兴趣;了解数据科学与社会生活各个领域的紧密联系;探索成为一名数据科学家必备的知识与技能。
目标1:能够理解数据科学与统计学、数学、计算机科学之间的联系。
目标2:能够掌握数据科学的思想。
目标3:能够掌握进行数据科学研究的基本方法与流程。
目标4:培育有坚定理想信念、深厚爱国主义情怀、高尚道德情操,具有扎实数据科学与大数据技术专业学识,坚韧奋斗进取品格的社会主义新青年。
二、教学内容及其与毕业要求的对应关系
教学内容讲授上的要求;统计推断、探索性数据分析和数据科学工作流程,算法,数据科学与实际问题的故事这三部分需要精讲,细讲。重点是培养学生从实际背景提出问题的能力和针对问题收集数据的能力,以及对数据科学三大基本算法的理解和运用。通过大量的案例来让学生先从照着葫芦画瓢开始,对数据科学产生兴趣,然后再一步一步的深入后续课程的学习。
对拟实现的教学目标所采取的教学方法、教学手段;课堂授课,学生讨论,PPT展示,学生PPT报告等方式。
对课后作业以及学生自学的要求;要求学生能够互评作业,相互学习,并且要求学生对给出的问题提前准备。
该课程从哪些方面促进了毕业要求的实现;该课程锻炼了学生的沟通、交流能力,能够帮助学生树立职业道德意识。
三、各教学环节学时分配
以表格方式表现各章节的学时分配,表格如下:
教学课时分配
序号
章节内容
讲课
实验
其他
合计
1
数据科学简介
2
0
0
2
2
统计推断、探索性数据分析和数据科学工作流程
8
0
0
8
3
算法
8
0
2
10
4
数据科学与实际问题的故事
5
0
4
9
5
分析结果的呈现
1
0
0
1
6
听听学生们怎么说
0
0
1
1
7
下一代数据科学家、自大狂和职业道德
0
0
1
1
合计
24
0
8
32
四、教学内容
第1章数据科学简介
第一节数据科学与大数据的兴起
为什么是现在
数据科学的现状和历史
数据科学的知识结构
第二节什么是数据科学家
学术界对数据科学家的定义
业界对数据科学家的定义
教学重点、难点:重点在于介绍数据科学的现状和知识结构以及数据科学家所具备的知识与技能。
课程的考核要求:了解数据科学的知识结构
课程思政切入点:(1)数据科学的发展历程与前沿;(2)数据分析师、数据工程师职业道德。
复习思考题:什么是数据科学?
第2章统计推断、探索性数据分析和数据科学工作流程
第一节大数据时代的统计学思考
统计推断
总体和样本
大数据的总体和样本
大数据意味着大胆的假设
统计建模
第二节探索性数据分析
探索性数据分析的哲学
练习:探索性数据分析
第三节数据科学工作流程
第四节思维实验:如何模拟混沌
第五节案例学习:RealDirect
RealDirect是如何赚钱的
练一练:RealDirect公司的数据策略
教学重点、难点:重点在讨论大数据下的总体与样本的关系,探索性数据分析与数据科学的工作流程;难点在于大数据下的大胆假设可以有哪些
课程的考核要求:
了解:大数据下的大胆假设。
理解:大数据下的总体与样本的关系。
掌握:探索性数据分析技术。
应用:能对实际数据进行探索性分析。
课程思政切入点:(1)数据质量的重要性,培养“求真务实”品德;(2)对比中外二十年来经济、科技、军事数据等,培养学生爱国情怀。
复习思考题:
对实际数据讨论总体与样本的关系,并进行探索性分析
第3章算法
第一节机器学习算法
第二节三大基本算法
线性回归模型
k近邻模型(k-NN)
k均值算法
第三节练习:机器学习算法基础
第四节总结
第五节思维实验:关于统计学家的自动化
教学重点、难点:重点在于介绍三大基本算法,难点在理解统计学家的自动化
课程的考核要求:
了解:统计学家的自动化。
理解:三大基本算法。
掌握:三大基本算法。
应用:能运用三大基本算法解决实际问题。
课程思政切入点:透过现象发现本质
复习思考题:
在实际数据上完成三大基本算法
第4章数据科学与实际问题的故事
第一节关联分析
啤酒与尿布
亚马逊的个性化推荐
潘多拉音乐组计划
塔
您可能关注的文档
最近下载
- 《大学之道》《人皆有不忍人之心》(成语识记+挖空特训+情境默写+写作素材) 统编新教材高考语文课内古诗文【要点梳理与素材积累】.docx VIP
- 五年级道德与法治3,主动拒绝烟酒与毒品优秀教案.pdf
- 《美丽的丝巾ppt课件》小学美术浙人美版二年级下册_2.ppt
- 《论语十二章》(成语识记+挖空特训+情境默写+写作素材) 统编新教材高考语文课内古诗文【要点梳理与素材积累】.docx VIP
- 电动单梁起重机设计计算书.doc
- 2069-3-3101-002 WKB产品判定准则-外发.docx
- 露天矿组织架构、部门职责.pdf VIP
- 《数字化测图》课程标准(高职).docx
- 医疗行业医疗设备采购方案.docx VIP
- 朝阳市第四高中诗词大会十二宫格题.ppt
文档评论(0)